1.一种基于降维MCPC模型的串联机器人运动学参数标定方法，其特征在于：包括步骤：(1)建立基于降维MCPC模型的运动学模型；

(2)建立基于降维MCPC模型的运动学误差模型；

(3)基于利用信赖域技巧的LM算法的运动学参数标定。

2.根据权利要求1所述的基于降维MCPC模型的串联机器人运动学参数标定方法，其特征在于：所述步骤(1)具体包括：(1.1)从惯性坐标系开始建立串联机器人的各连杆坐标系；

(1.2)推导中间连杆坐标系间的变换矩阵和末端连杆坐标系到工具坐标系的变换矩阵；

(1.3)推导从惯性坐标系到工具坐标系的变换矩阵，即运动学模型。

3.根据权利要求1所述的基于降维MCPC模型的串联机器人运动学参数标定方法，其特征在于：所述步骤(2)具体为，判断各关节运动学参数的变化对末端位姿造成的误差影响情况；从误差影响情况数据中剔除影响较小的运动学参数，推导基于降维MCPC模型的运动学误差模型。

4.根据权利要求3所述的基于降维MCPC模型的串联机器人运动学参数标定方法，其特征在于：所述步骤(2)具体包括：(2.1)推导中间连杆参数误差模型：

(2.2)推导末端连杆参数误差模型：

(2.3)根据中间连杆和末端连杆的位姿误差，建立机械臂末端位姿误差在工具坐标系下的表示ΔE：ΔE＝JE·Ω

其中，JE为机械臂末端位姿误差与运动学参数误差的映射矩阵，Ω为机械臂运动学参数误差向量。

5.根据权利要求4所述的基于降维MCPC模型的串联机器人运动学参数标定方法，其特征在于：中间连杆参数误差模型的推导：(a)中间连杆变换矩阵微分dTi线性形式；

其中，Δαi,Δβi,Δxi,Δyi为连杆i的参数误差；

(b)根据降维MCPC模型的中间连杆的运动学参数的取舍情况，求解各连杆参数对应的位姿误差矩阵Tα,Tβ,Tx,Ty；

(c)求解连杆坐标系i+1相对于连杆坐标系i的位姿误差矩阵δTi；

(d)求解连杆坐标系i+1相对于连杆坐标系i的位置误差di和姿态误差δi。

6.根据权利要求4所述的基于降维MCPC模型的串联机器人运动学参数标定方法，其特征在于：末端连杆参数误差模型的推导：(a)末端连杆变换矩阵微分dTn线性形式：其中，Δαn,Δβn,Δxn,Δyn,Δγn,Δzn为末端连杆的参数误差；

(b)根据降维MCPC模型的末端连杆的运动学参数的取舍情况，求解各连杆参数对应的位姿误差矩阵Tα,Tβ,Tx,Ty,Tγ,Tz；

(c)求解末端连杆参数的位姿误差矩阵δTn；

(d)求解末端连杆坐标系的位置误差dn和姿态误差δn。

7.根据权利要求1所述的基于降维MCPC模型的串联机器人运动学参数标定方法，其特征在于：所述步骤(3)具体包括：(3.1)采样机械臂实际末端位姿向量，根据运动学模型求解相应的名义末端位姿向量，末端位姿误差为两者之差；

(3.2)采集多组数据，采用利用信赖域技巧的Levenberg-Marquardt方法求解机械臂运动学参数误差向量Ω；

其中， αk利用信赖域进行修正；

(3.3)根据LM算法进行有限次迭代，直到运动学参数满足精度要求。